多粒度特征FoveaBox检测模型

采用Swin Transformer主干与特征金字塔，在全局感受野下提取多粒度特征，增强对枝叶遮挡和重叠果实的检测能力。

Jingjing, Ren · Xiaoyong, Zhang · 贾伟宽

Journal of Chinese Agricultural Mechanization 2025

参数信息

平均精度

86.3 %

技术优势

全局感受野

采用Swin Transformer主干网络，从全局感受野提取多粒度层次特征，克服了传统卷积网络仅能提取局部特征的局限，提升了特征映射的表征能力。

检测更准

在IoU阈值0.5下平均精度达到86.3%，优于FCOS、TOOD和LAD等先进模型，显著提升遮挡目标的检测精度。

应用场景

• 智慧农业：用于果园自动化管理中的果实识别与计数，减少人工成本。
• 果实遮挡检测：专门解决枝叶遮挡和果实重叠导致的漏检问题。
• 工业机器视觉：可集成到视觉检测系统中，提升复杂场景下的目标定位精度。
• 机器人抓取：为机器人提供更可靠的果实位置信息，提升抓取成功率。
• 视觉检测系统：可作为检测模块替换现有模型，无需改变系统架构。